姜弘 梁朝暉 趙宏

摘 要：通過構(gòu)建馬爾科夫區(qū)制轉(zhuǎn)換模型，研究2014年中國出現(xiàn)的實質(zhì)性債券違約以來信用價差特征。研究發(fā)現(xiàn)：信用債利差明顯存在兩個區(qū)制，2014年上半年和2016年4月后，信用價差增加，波動加大，與其余時段呈現(xiàn)為另一區(qū)制，說明信用債打破剛性兌付以來，中國債券市場進(jìn)入一種新的風(fēng)險溢價模式。同時，信用價差與利率期限結(jié)構(gòu)及股指相關(guān)性顯示，信用價差變化與經(jīng)濟(jì)周期波動密切相關(guān)，中國信用債市場逐漸能夠反映經(jīng)濟(jì)周期信用風(fēng)險溢價。

關(guān)鍵詞： 馬爾科夫; 區(qū)制轉(zhuǎn)換; 信用價差; 經(jīng)濟(jì)周期

中圖分類號：F830文獻(xiàn)標(biāo)識碼： A文章編號：1003-7217（2020）01-0026-08

一、引 言

中國金融市場中信用債存量規(guī)模巨大。根據(jù)Wind資訊統(tǒng)計，中國信用債存量規(guī)模2005年底僅為0.3萬億元，2015年底突破13.5萬億元，年均復(fù)合增長率為46%，2016年進(jìn)入發(fā)行高峰期，年發(fā)行規(guī)模高達(dá)8.68萬億元，2017年受金融去杠桿、市場利率走高等因素影響，信用債發(fā)行增速放緩，年發(fā)行規(guī)模為8.31萬億元，截至2018年底，中國信用債累計存量已接近30萬億元。2014年以前，中國信用債市場沒有發(fā)生過實質(zhì)性違約事件，長期以來始終是剛性兌付，市場信用風(fēng)險沒有得到充分反映，而2014年3月，上海超日太陽能科技股份有限公司“超日債違約”成為中國公募債券違約的歷史先例和標(biāo)志性事件。據(jù)官方統(tǒng)計，從2014年“超日債違約”開始至2016年底，債券市場實質(zhì)性違約債券共79只，違約金額共計403億元，增速明顯。截至2018年底，違約債券共194只，歷史累計違約1850億元，數(shù)目相當(dāng)可觀。從這些年實質(zhì)性違約債券發(fā)債主體看，有從中小企業(yè)向大型民企發(fā)展，并蔓延一些地方國企和央企的趨勢。隨著2016年剛性兌付被動搖和打破，不僅債券市場違約事件增多，違約也漸從交易所向銀行間傳導(dǎo)，導(dǎo)致商業(yè)銀行信用風(fēng)險加大，根據(jù)銀監(jiān)會公布數(shù)據(jù)，截至2018年底，中國商業(yè)銀行不良貸款余額為2萬億元，不良貸款率已升至1.89%。

2013年9月國債期貨合約在中國金融期貨交易所正式上市交易，但2014年上半年便發(fā)生了首只公募債實質(zhì)性違約，這導(dǎo)致市場信用環(huán)境與違約預(yù)期發(fā)生了根本變化。2016年開始，隨著中國宏觀經(jīng)濟(jì)進(jìn)入新常態(tài)，信用債券市場進(jìn)入一種新的風(fēng)險溢價模式，債券違約進(jìn)入加速爆發(fā)期，信用風(fēng)險的暴露意味著剛兌被動搖。2017年市場維穩(wěn)、產(chǎn)能過剩，行業(yè)盈利和融資環(huán)境有好轉(zhuǎn)，但2018年金融去杠桿引發(fā)信用收縮，違約數(shù)量又激增，一年內(nèi)新增實質(zhì)違約發(fā)行人41家，違約債券110只，居然達(dá)到了歷史累計違約總量的60%，因此，中國急需對信用債的定價、違約率與宏觀經(jīng)濟(jì)狀況及周期相關(guān)性和風(fēng)險管理進(jìn)行重新評估。

風(fēng)險債券定價是公司金融及信用投資者投資組合管理的核心問題。盡管中國2010年發(fā)行了類似于信用違約互換（Credit Default Swap，CDS）的可交易信用風(fēng)險緩釋工具（Credit Rish Mitigation，CRM），但中國信用風(fēng)險緩釋工具仍處于起步階段，監(jiān)管體系不完善，傳統(tǒng)均衡定價模型也存在缺陷，市場交易始終清淡，取得數(shù)據(jù)研究價值不大，由于信用債信用價差CS（Credit Spreads）可以揭示市場信用違約的來源、集中度，以及違約相關(guān)性本質(zhì)，也就代表了其違約風(fēng)險，反映以此為參考資產(chǎn)的信用衍生品價格。信用價差是高于無風(fēng)險利率的利差，用以向投資者補(bǔ)償參照資產(chǎn)違約風(fēng)險。如信用債的信用價差就是信用債與同期無風(fēng)險利率價差，包含著對信用風(fēng)險、利率風(fēng)險、和流動性風(fēng)險的補(bǔ)償[1]。研究信用價差特征及其關(guān)聯(lián)影響對于信用產(chǎn)品的定價、交易和風(fēng)險管理都至關(guān)重要，信用價差也能對信用事件、信用環(huán)境和經(jīng)濟(jì)周期及時有效地反映。因此，本文將針對信用價差特征及其變化與經(jīng)濟(jì)周期波動關(guān)系為核心進(jìn)行實證研究，以期通過信用價差變化找到中國信用債市場的指向標(biāo)，借以反映出經(jīng)濟(jì)周期波動和市場風(fēng)險變化。

二、文獻(xiàn)綜述

理論上看，債券市場存在信用風(fēng)險導(dǎo)致信用價差存在，國外很多學(xué)者意識到宏觀經(jīng)濟(jì)狀況、市場貨幣供應(yīng)量對債券違約率的影響以及對評估信用風(fēng)險和信用價差動態(tài)的重要性。經(jīng)濟(jì)衰退將導(dǎo)致發(fā)債公司盈利能力和現(xiàn)金流減少，影響其償債能力;不考慮投資者風(fēng)險偏好變化，其資產(chǎn)組合也會轉(zhuǎn)向低風(fēng)險、高流動資產(chǎn)，這都會增加違約風(fēng)險，擴(kuò)大信用價差。經(jīng)濟(jì)向好時則相反，信用價差也較小[1，2]。國外學(xué)者多用定量分析方法尋找信用違約發(fā)生的原因和時點：Black和Scholes（1973）利用結(jié)構(gòu)模型分析公司違約的原因[3]，Merton（1974）提出將公司負(fù)債視為針對公司價值的看跌期權(quán)，利用期權(quán)分析法解釋違約發(fā)生點必然處于公司價值下跌到債券價值之下時[4]。后期有關(guān)學(xué)者的實證逐漸具體和廣泛，變量也從基于公司層面擴(kuò)展到宏觀層面。基于公司層面的研究，Collin-Dufresne等（2001）利用利率、利率期限結(jié)構(gòu)、標(biāo)普500回報率、期權(quán)波動和財務(wù)杠桿率等分析變量，研究信用風(fēng)險對債券信用價差影響[5];Aunon-Nerin等（2002）利用結(jié)構(gòu)模型進(jìn)行實證，在利率、利率期限結(jié)構(gòu)斜率、杠桿率等指標(biāo)之外加入了信用評級、公司資產(chǎn)價值、回報指數(shù)等信用因素[6]?；诤暧^層面的研究，F(xiàn)ama和French（1989）指出信用價差與商業(yè)周期相關(guān)，經(jīng)濟(jì)狀況較弱時信用價差變大，經(jīng)濟(jì)擴(kuò)張時價差變小[7];Kwan（1996）發(fā)現(xiàn)投資級債券收益與其股票收益正相關(guān)[8];Schultz（2001）提出可以用不同國債收益率之差代表利率期限結(jié)構(gòu)斜率，通過實證得出信用級別越低，利率與信用價差相關(guān)性越低的結(jié)論[9];Hull等（2004）和Blanco等（2005）都認(rèn)為公司債券市場存在“信用利差之謎”，也即CDS價格不能完全由信用風(fēng)險因素所解釋[10-12];Tang和Yan（2006）發(fā)現(xiàn)信用價差隨著經(jīng)濟(jì)增長率波動而增加[13];Acharya等（2007）研究證明企業(yè)違約率與回收率隨著商業(yè)周期不同而變化，而且利率與債券信用價差也在不同商業(yè)周期下發(fā)生變化[14]。綜上國外研究發(fā)現(xiàn)，基于公司層面的變量和基于宏觀層面的變量都不同程度地影響著投資者預(yù)期和公司違約可能性，進(jìn)而對信用價差產(chǎn)生影響。然而還有很多實證結(jié)果卻說明，有關(guān)模型的變量對信用價差變化解釋力不強(qiáng)，尤其那些高信用評級債券，這些微觀和宏觀因素對其信用價差解釋力更差，因此，有學(xué)者認(rèn)為與信用風(fēng)險無關(guān)的其他因素也影響信用價差，結(jié)構(gòu)模型存在缺陷，如Huang和Ming（2012）指出傳統(tǒng)結(jié)構(gòu)模型存在一定的問題，對于投資級及以上債券信用利差解釋存在較大誤差，即使在校準(zhǔn)違約率及回收率之后也是如此[15]。現(xiàn)實也是如此，即便在美國，也存在信用價差超出預(yù)期違約損失，信用風(fēng)險對信用價差解釋力不強(qiáng)的情況。筆者認(rèn)為，在較波動經(jīng)濟(jì)環(huán)境下，公司有很大可能性經(jīng)歷戲劇性負(fù)增長，公司現(xiàn)金流更容易下滑，從而容易違約，信用價差變大。Okimoto和Takaoka（2016）發(fā)現(xiàn)一年期國債和A級信用債信用價差具有顯著的商業(yè)周期預(yù)測能力[16]。

近年來在中國市場也有對信用價差相關(guān)研究和實證分析。關(guān)于信用價差變化及特征，劉國光等（2005）認(rèn)為信用價差與國債收益率的長、短期有不同關(guān)系[17];馮宗憲等（2009）對短中長三種期限企業(yè)債信用價差不同的波動特征進(jìn)行對比[18]。對信用價差關(guān)聯(lián)影響和模型實證，李嵐等（2010）實證得出，由于結(jié)構(gòu)模型沒有考慮宏觀經(jīng)濟(jì)因素，其對中國公司債和中期票據(jù)信用價差解釋力不足30%[19];周榮喜（2011）指出不同期限企業(yè)債信用價差的宏觀經(jīng)濟(jì)影響因素包括居民消費(fèi)價格指數(shù)和國內(nèi)生產(chǎn)總值變化率等[20];黃文濤（2012）認(rèn)為信用利差和國債收益率在大多數(shù)情況下表現(xiàn)為相對穩(wěn)定反向運(yùn)行關(guān)系[21];宋球紅（2013）通過結(jié)構(gòu)模型進(jìn)行實證，對比不同信用級別企業(yè)債信用利差走勢，指出債券在二級市場流動性是導(dǎo)致變量及模型整體解釋力偏低的原因[22];王永欽等（2016）通過實證分解得出，中國整體違約風(fēng)險在城投債收益率價差中得到有效定價，地方政府債務(wù)則存在普遍軟預(yù)算約束[23];宋秀慧等（2016）實證檢驗了宏觀變量、股票市場變量以及企業(yè)特征變量與信用價差之間的關(guān)系[24]。如果以貨幣政策來表征經(jīng)濟(jì)周期狀況，謝宇（2013）研究了中期票據(jù)信用價差變動，認(rèn)為宏觀層面因素解釋能力達(dá)20.69%，貨幣政策變動對信用利差影響尤其顯著[25];郭曄等（2016）發(fā)現(xiàn)貨幣政策對中長期企業(yè)債信用價差作用顯著[26];王雄元等（2017）認(rèn)為大客戶對公司債發(fā)行定價具有風(fēng)險效應(yīng)，尤其在貨幣政策緊縮與經(jīng)濟(jì)增長較慢時[27]。

由于國外債券市場較發(fā)達(dá)，學(xué)者對信用價差研究更為充分。近些年信用價差在國內(nèi)也受學(xué)者關(guān)注，但由于中國尚未實現(xiàn)利率市場化，利率對市場的調(diào)節(jié)和反應(yīng)能力并不特別明顯，因此，市場失真是存在的;另外中國債券發(fā)行和監(jiān)管屬于不同部門，交易所市場與銀行間市場仍然存在分割，債券市場價格發(fā)現(xiàn)不充分，交易活動不活躍，品種和期限有一定不合理之處。因此，國內(nèi)學(xué)者雖然通過實證發(fā)現(xiàn)了與信用價差有關(guān)的一些宏、微觀因素，但研究方法多借鑒國外，因背景數(shù)據(jù)差異其結(jié)論也存在不同，尤其關(guān)于信用價差擬合方法和模型缺乏創(chuàng)新，導(dǎo)致研究總體解釋力仍有不足。

中國市場在2014年發(fā)生了首例公募信用債實質(zhì)性違約事件，市場對違約風(fēng)險預(yù)期已經(jīng)發(fā)生較大改變，理論和實際結(jié)合的違約風(fēng)險研究必須提上日程。研究債券違約以來該信用衍生產(chǎn)品標(biāo)的市場狀況，以此來揭示信用風(fēng)險和信用價差階段性特征及其波動規(guī)律;同時，通過信用價差與利率期限結(jié)構(gòu)及股指相關(guān)性實證，揭示信用價差變化與經(jīng)濟(jì)周期波動關(guān)聯(lián)，通過信用債市場反映和預(yù)測經(jīng)濟(jì)周期信用風(fēng)險變化。

三、模型構(gòu)建與數(shù)據(jù)分析

（一）模型與變量

1.模型構(gòu)建。

國內(nèi)外研究發(fā)現(xiàn)，當(dāng)經(jīng)濟(jì)時間序列受到政策變動、外界沖擊和商業(yè)周期波動影響時往往會明顯偏離其原有的歷史趨勢，傳統(tǒng)線性模型無法恰當(dāng)?shù)財M合這種偏離。1989年Hamilton發(fā)現(xiàn)，經(jīng)濟(jì)時間序列受外界因素影響，呈現(xiàn)出內(nèi)生的多個狀態(tài)變化，這種狀態(tài)變化是不可觀測的，并服從于離散的馬爾科夫（Markov）過程，因此，需要在時間序列中引入Markov區(qū)制轉(zhuǎn)換，并建立馬爾科夫區(qū)制轉(zhuǎn)換模型MS（Markov Regime Switching Model）來正確擬合數(shù)據(jù)在多個狀態(tài)下變化特征[28]。MS模型開始被應(yīng)用于實證，包括經(jīng)濟(jì)、金融等方面研究，諸如金融波動和風(fēng)險溢出等方面研究，通過把一系列不可觀測的狀態(tài)變量引入模型，構(gòu)造Markov狀態(tài)轉(zhuǎn)移概率和結(jié)構(gòu)方程，通過分析Markov區(qū)制轉(zhuǎn)換，描述不同狀態(tài)之間轉(zhuǎn)變依據(jù)和特征。

首先，中國市場AAA、BBB、CCC和CC四個信用級別債券信用價差時間序列均存在非線性趨勢，顯然傳統(tǒng)線性時間序列模型已經(jīng)不能恰當(dāng)?shù)財M合這種變化特征;其次，信用價差時間序列在不同時間段的非線性特征存在差異，傳統(tǒng)的線性模型無法對該時間序列進(jìn)行描述。因此，適用于MS模型，不同于一般的線性模型，MS模型的變量系數(shù)、截距、均值等可以是隨著區(qū)制的變動而變化[29]。

考慮到經(jīng)濟(jì)時間序列的非線性轉(zhuǎn)移，模型用區(qū)制表示時間序列不同狀態(tài)，以捕捉商業(yè)周期與信用價差在不同趨勢下的具體關(guān)系。一般化的MS模型表示如下：

Yt=βsk0+∑n1i=1βskiXi+∑n2j=1βskjXt-j+εsk （1）

其中：k為區(qū)制狀態(tài)個數(shù)，n1為外生變量個數(shù)，n2為自回歸滯后階數(shù)，其數(shù)值依據(jù)信息準(zhǔn)則來判斷，sk為離散狀態(tài)下Markov隨機(jī)變量，不可觀測，所有模型參數(shù)都依賴于未觀測變量sk，εsk～NID（0，σsk）。

其中：（1） βsk0為截距項，具有區(qū)制轉(zhuǎn)移特征，且不局限于n1和n2，也可以根據(jù)需要同時設(shè)定多個項隨區(qū)制而轉(zhuǎn)變。項目隨區(qū)制轉(zhuǎn)變稱為狀態(tài)依賴，對應(yīng)該項目的狀態(tài)依賴模型。

（2）sk表示不同區(qū)制狀態(tài)，是一個不可觀測變量，服從有限狀態(tài)個數(shù)的一階Markov鏈，也即sk所處區(qū)制轉(zhuǎn)換只與其前一期所處區(qū)制有關(guān)，每次轉(zhuǎn)換概率僅僅依據(jù)前一時間段狀態(tài)情況。

因此，對MS模型引入一階狀態(tài)轉(zhuǎn)移概率：

pij=Pr （st+1=i|st=j）（2）

其中 ∑kt=1pij=1;i、j=1，…，k;pij為從狀態(tài)j到狀態(tài)i的狀態(tài)轉(zhuǎn)換概率，∑njpij=1對于任意i都成立。非時變MS模型認(rèn)為，無論是狀態(tài)i還是狀態(tài)j，狀態(tài)間轉(zhuǎn)變由對應(yīng)狀態(tài)概率轉(zhuǎn)移矩陣決定[29]：

p=p11…p1kpk1…pkk（3）

通常這些轉(zhuǎn)換概率是確定不變的。

MS模型中狀態(tài)變量sk與前一期狀態(tài)有關(guān)且不可觀測，因此，用極大似然估計法——最大化下面的對數(shù)自然函數(shù)來求解參數(shù)模型，得到各階段狀態(tài)下統(tǒng)計推斷概率;然后，通過迭代計算得到聯(lián)合概率密度函數(shù)，在聯(lián)合概率密度函數(shù)最大條件下，求得系列待估計參數(shù);再運(yùn)用極大似然估計法計算出各個狀態(tài)轉(zhuǎn)移概率;最后，利用全部信息來推斷當(dāng)期概率，推算出不同時間上狀態(tài)平滑概率，平滑概率具有后驗特征，以此作為分析和判別依據(jù)。

2.變量分析。

根據(jù)資本資產(chǎn)定價理論，信用債價格中應(yīng)包含系統(tǒng)性信用風(fēng)險補(bǔ)償。信用價差被認(rèn)為是高于無風(fēng)險利率利差，用以向投資者補(bǔ)償資產(chǎn)信用風(fēng)險，為中債企業(yè)債到期收益率與同期限國債收益率差值。

首先，利率對信用價差的影響有兩種不同可能。一方面，國債利率對即期利率（零息債券到期收益率）變化反映較為明顯，若市場整體資金供應(yīng)增加，則利率下降;另一方面，即期利率與投資回報率有明顯關(guān)聯(lián)。所以，實際市場情況是，隨著資金供應(yīng)增加，公司違約風(fēng)險下降，信用價差減小，但利率下降帶來的投資回報率減少，導(dǎo)致公司未來價值下跌，公司會存在更多的違約風(fēng)險，增加了其信用價差。

其次，利率期限結(jié)構(gòu)的斜率對信用價差影響也存在兩種相異的結(jié)果。一般來講，其斜率大小對應(yīng)著不同市場經(jīng)濟(jì)變化狀態(tài)，陡峭的斜率說明預(yù)期即期利率上升，經(jīng)濟(jì)處于增長階段，在經(jīng)濟(jì)基本面影響下，未來貨幣長端利率較高，信用價差較小。另外，斜率下降意味著預(yù)期未來利率也下降，公司為提高盈利能力一般會增加正凈現(xiàn)金流項目提高其未來價值，從而減少信用價差;反之，則導(dǎo)致公司未來價值下降，增加信用價差。

參考國內(nèi)外研究經(jīng)驗，本文以國債利率和國債利率斜率代表資金的松緊程度，反映發(fā)債企業(yè)整體現(xiàn)金流的情況;以股指收益和股指波動代表商業(yè)周期及其波動。因此，模型（1）中，被解釋變量Y選取了CCC級一年期企業(yè)債信用價差，為中債企業(yè)債一年到期收益率與同期限國債收益率差值;自變量X為一年期國債利率和國債利率斜率（5年減1年），股指收益和股指波動。

（二）數(shù)據(jù)分析

1.信用價差。

由于2014年3月底中國出現(xiàn)首例公募債事實違約，當(dāng)市場真正出現(xiàn)信用風(fēng)險時，信用價差才有可能真正反映信用風(fēng)險溢價，因而本文研究數(shù)據(jù)選取了2014年4月至2017年2月共704組日數(shù)據(jù)，為中債企業(yè)債到期收益率，數(shù)據(jù)來自同花順數(shù)據(jù)庫。

對于數(shù)據(jù)信用等級的選取方面，根據(jù)中國人民銀行文件有關(guān)規(guī)定，企業(yè)債共分AAA、BBB、CCC和CC四個信用級別，其償還債務(wù)能力依級別順序下降，經(jīng)濟(jì)環(huán)境的負(fù)面影響隨級別的降低而增加，違約風(fēng)險也隨之增加，CC級債在破產(chǎn)或重組時基本不能保證償還債務(wù)。因此，信用風(fēng)險其實包含了違約風(fēng)險和評級下調(diào)帶來的價值風(fēng)險，需要對比以上四個評級企業(yè)債的信用價差數(shù)據(jù)，參見圖1～4。

時間

圖1～4顯示的是不同評級的四個信用擴(kuò)展曲線?？傮w來說，信用級別越低，信用價差越大，因為違約風(fēng)險越大，風(fēng)險溢價越高。從圖中可見，CC級債券完全違背了該規(guī)律，CC級債券信用價差從大到小依次是一年期、二年期、三年期、五年期;AAA級一年期債在某些時候高于其他AAA級債的信用價差。

圖1～4還揭示了中國信用債市場信用價差階段性變化。如2014年初至2016年初，信用債市場基本處于一輪牛市行情，表現(xiàn)為債券價格不斷走高，到期收益率不斷下降，信用價差收窄。2016年后，市場行情出現(xiàn)逆轉(zhuǎn)，信用價差逐步增大，短期債、信用級別較低的債券增大幅度最多。信用價差應(yīng)該反映債券信用風(fēng)險，信用風(fēng)險越高則信用價差越大。雖然中國2014年后陸續(xù)出現(xiàn)債務(wù)違約，2016年后達(dá)到違約高峰，從圖1～4走勢來看，信用違約事件的發(fā)生在2016年前并未使低等級的信用債利差走高，2016年后才表現(xiàn)出顯著高企。

2.利率期限結(jié)構(gòu)。

國債利率期限結(jié)構(gòu)反映不同期限的資金供求關(guān)系，說明不同國債即期利率水平差別，并解釋利率與其期限長短的關(guān)聯(lián)，相同風(fēng)險水平下，利率期限結(jié)構(gòu)既能解釋即期利率與其到期期限的關(guān)系，也能反映長期國債與短期國債之間的傳導(dǎo)，還包含諸多對應(yīng)的未來經(jīng)濟(jì)信息。

理論上講，如果信用價差反映的是信用風(fēng)險，那么，對于同一信用評級公司債來說，在某一觀測時間上一般遵循“到期時間越長，信用價差越大”的規(guī)律?；蛲恍庞玫燃墏瘧?yīng)該隨著到期時間增加而獲得更高的風(fēng)險溢價，因為時間越長，債券面臨違約和降級的不確定性增加，其對應(yīng)信用價差理應(yīng)更高。到期日越近，波動越大，即將到期的債券擁有更好的流動性，因而對信息的反應(yīng)更迅速。

本文采用均值計算不同信用級別（AAA、BBB、CCC和CC四個信用級別）、不同到期日企業(yè)債的信用價差，繪制信用價差期限結(jié)構(gòu)曲線進(jìn)行觀測和對比，參見圖5～8。

到期年限（年）

從圖5～8可見，AAA和CC級企業(yè)債都出現(xiàn)了利率期限結(jié)構(gòu)的扭轉(zhuǎn)，尤其是評級最低的相當(dāng)于投機(jī)級債券CC級債券，信用價差期限結(jié)構(gòu)表現(xiàn)為到期時間越短利差越大、到期時間越長利差越小的走勢，這與中國信用風(fēng)險特征有關(guān)系。從國內(nèi)外經(jīng)驗來看，危機(jī)來臨導(dǎo)致市場對短期債需求大增。另外，從中國信用債投資者偏好看，由于市場近幾年資金流動性充足，且投資品種匱乏，投資者偏好于流動性好的投資品，AAA級債沒有違約風(fēng)險，且一年期債具有最好的流動性，而CC級短期債也具有很好的流動性，還能獲得較高收益，所以受投資者青睞。

到期年限（年）

綜上不難得出，信用級別越低，信用利差越大，因為違約風(fēng)險越大，風(fēng)險溢價越高。到期日越近，波動越大，因為即將到期的債券擁有更好的流動性，因而對信息反應(yīng)更迅速。較低級別的債券收益對信用風(fēng)險更敏感，為試圖找到影響債券信用價差變化的共同因素，使用指數(shù)比使用單個債券更能消除個別風(fēng)險和流動性風(fēng)險，因而本文將選取CCC信用級別一年期指數(shù)收益率為變量進(jìn)行實證研究。

四、實證結(jié)果

經(jīng)實證得到的馬爾科夫區(qū)制轉(zhuǎn)換模型平滑概率、轉(zhuǎn)換概率矩陣和模型中各參數(shù)估計結(jié)果如圖9、表1和表2。

1.從平滑概率來看，信用債利差明顯存在兩個區(qū)制。2016年以前基本都已區(qū)制2狀態(tài)為主，2014年上半年和2016年4月后，以接近1的概率轉(zhuǎn)換為區(qū)制1。轉(zhuǎn)換概率矩陣顯示，從區(qū)制1延續(xù)區(qū)制1的概率是0.99，從區(qū)制1轉(zhuǎn)移到區(qū)制2的概率是0.01;從區(qū)制2延續(xù)區(qū)制2的概率是0.98，從區(qū)制2轉(zhuǎn)移到區(qū)制1的概率是0.02。

在實證結(jié)果中，區(qū)制1方差項值為1.45，比區(qū)制2方差項0.074顯著增大;區(qū)制1截距項為28，也比區(qū)制2截距項25有所放大。可見區(qū)制1的特征為波動更大，利差更高，意味著進(jìn)入高風(fēng)險高收益階段。經(jīng)濟(jì)下行時，信用風(fēng)險往往會集中爆發(fā)，因而難以分散化，當(dāng)違約風(fēng)險集中到來時，會大幅推升風(fēng)險溢價，利差顯著擴(kuò)大，波動增加。信用價差的不同區(qū)制反映了經(jīng)濟(jì)周期的不同階段。

2.國債利率和國債利率斜率回歸系數(shù)為正，且統(tǒng)計顯著。

表2國債利率回歸系數(shù)為0.7274，國債利率斜率回歸系數(shù)為0.2766，二者均為正說明信用債收益率隨著短期無風(fēng)險利率增加以及無風(fēng)險利率期限結(jié)構(gòu)斜率增大而增加。從理論上來看，利率曲線斜率增加，說明未來期望利率增加，信用利差應(yīng)該減小，二者是理論上負(fù)相關(guān)關(guān)系。這種與理論上差異說明，在中國經(jīng)濟(jì)中利率曲線斜率增大則可能是由于短期利率相對于長期利率下降更快導(dǎo)致的，與未來利率上升或經(jīng)濟(jì)向好預(yù)期無關(guān)。這一現(xiàn)象與Collin等（2001）研究結(jié)論相同，也曾發(fā)現(xiàn)利率期限結(jié)構(gòu)斜率增大對債券信用價差有增大的影響關(guān)系[30]。

進(jìn)一步看，無風(fēng)險利率增加顯然會增加風(fēng)險債券到期收益率，因無風(fēng)險利率增加意味著市場資金趨緊，企業(yè)現(xiàn)金流下滑，從而容易違約;而無風(fēng)險利率斜率增加，意味著長期利率比短期利率增加更多，即期限結(jié)構(gòu)中包含的遠(yuǎn)期利率增加，反映市場對未來利率增加的預(yù)期，對于處于這個時期的風(fēng)險債券來說，一方面，利率增長預(yù)期也拉高了風(fēng)險債預(yù)期收益;另一方面，利率增長預(yù)期實際包含了對未來經(jīng)濟(jì)走弱預(yù)期，風(fēng)險債券主體未來經(jīng)營不確定性增加，風(fēng)險溢價增加。按照國內(nèi)外相關(guān)研究，無風(fēng)險利率期限結(jié)構(gòu)斜率包含了明確商業(yè)周期的信息，在衰退階段，中央銀行降低了短期無風(fēng)險率以刺激經(jīng)濟(jì)，而長期無風(fēng)險利率較高反映了投資者不愿在該時期承擔(dān)風(fēng)險，從而衰退期期限結(jié)構(gòu)向上的斜率反映了貨幣政策。

3.信用債收益與股票指數(shù)收益及股指波動都呈負(fù)相關(guān)，且統(tǒng)計顯著。表2中股指收益率與股指收益波動率回歸系數(shù)為-0.0002和-544.3873，這種負(fù)相關(guān)關(guān)系，一方面，顯示信用債與股票市場資金面的蹺蹺板效應(yīng)，股票收益高時，資金流向股市，債市收益低，反之資金流向債市;另一方面，當(dāng)經(jīng)濟(jì)向好時，企業(yè)盈利高，股市走強(qiáng)，股指正收益，而此時企業(yè)違約風(fēng)險低，信用債收益走低。

五、結(jié)論及對策建議

（一）結(jié)論

以上通過馬爾科夫區(qū)制轉(zhuǎn)換模型研究中國從2014年初到2017年年初信用債信用價差走勢，研究發(fā)現(xiàn)：（1）信貸債務(wù)在牛市中，因為債券價格不斷攀升，到期收益率在下降，信貸息差尤其是高信用評級，正在縮小。信貸基本面在2014年之后實際上趨于惡化。信貸風(fēng)險溢價在2016年之前并未完全暴露，信貸事件對信貸息差影響有限，這是資本驅(qū)動牛市的一個重要特征。（2）信用債利差明顯存在兩個區(qū)制，2014年上半年和2016年4月后，與其余時段呈現(xiàn)為另一區(qū)制，特征是信用價差增加，波動加大。說明信用債打破剛性兌付以來，中國債券市場收益率進(jìn)入一種新的風(fēng)險溢價模式。（3）信用價差與利率期限結(jié)構(gòu)和股指的相關(guān)性顯示，信用價差變化與經(jīng)濟(jì)周期波動密切相關(guān)。信用價差與利率期限結(jié)構(gòu)斜率正相關(guān)，表明經(jīng)濟(jì)衰退時信用價差變大，說明中國信用債市場價差曲線良好地反映了經(jīng)濟(jì)周期變化。

綜上可知，中國信用債市場已逐漸能夠反映經(jīng)濟(jì)周期信用風(fēng)險溢價。信用風(fēng)險的特征是，信用風(fēng)險往往集中性爆發(fā)，因而難以分散化，當(dāng)違約風(fēng)險集中到來時，會大幅推升風(fēng)險溢價。中國貨幣充裕、“缺資產(chǎn)”的背景下，2014年基于融資改善的預(yù)期，寬松融資提供了整體利差機(jī)會和高收益?zhèn)顿Y，2015年出現(xiàn)城投債和地產(chǎn)債投資主題，這種趨勢下，信用價差也應(yīng)隨之?dāng)U大，但實際信用價差連續(xù)收窄，這與信用基本面形成了背離。信用基本面惡化的趨勢說明，2016年前中國信用債市場信用事件影響非常有限，信用風(fēng)險溢價并沒有得到充分反映，顯現(xiàn)出典型的資金驅(qū)動型牛市特點，2016年后市場行情出現(xiàn)逆轉(zhuǎn)，信用價差逐步增大，短期債增大幅度最多，信用價差對信用風(fēng)險定價作用開始顯現(xiàn)。

從信貸市場發(fā)展角度看，信用風(fēng)險的暴露意味著市場正在轉(zhuǎn)向成熟，風(fēng)險定價機(jī)制也會趨于合理，在這種信用定價機(jī)制不斷完善的背景下，中國債券市場信用價差驅(qū)動從資金面依賴轉(zhuǎn)為信用資質(zhì)依賴，也即中國債券市場信貸息差的推動力量已從資本轉(zhuǎn)向信用評級。隨著債券市場的成熟，利率期限結(jié)構(gòu)對主權(quán)風(fēng)險運(yùn)行預(yù)警功能會越發(fā)明顯和有效，可為預(yù)測主權(quán)信用風(fēng)險狀況提供一定參考。同時，隨著中國債券市場的完善，“利率風(fēng)險”的單一結(jié)構(gòu)也將轉(zhuǎn)變?yōu)椤袄曙L(fēng)險+信用風(fēng)險”的二元結(jié)構(gòu)。

（二）對策建議

筆者認(rèn)為提高債券市場信息透明度是債券市場信用風(fēng)險管理的關(guān)鍵，具體建議如下：（1）迅速有效地完善市場交易制度，為信用風(fēng)險管理保駕護(hù)航。首先是國債市場的迅速完善，要最大限度地發(fā)揮主權(quán)市場在規(guī)避風(fēng)險中的作用。其次，將企業(yè)上市交易的基礎(chǔ)制度逐步變?yōu)椤皩掃M(jìn)嚴(yán)出”，完善信息披露制度，打擊財務(wù)造假，對市場內(nèi)幕交易和操縱市場行為進(jìn)行嚴(yán)格監(jiān)管。還有，要注重對市場參與者的保護(hù)，完善交易制度，設(shè)置合理保證金水平，增加投機(jī)者交易成本，減少過度投機(jī)和高風(fēng)險交易。（2）充分利用利率期限結(jié)構(gòu)包含的豐富有用信息，發(fā)揮先導(dǎo)作用。在債券市場中，利率期限結(jié)構(gòu)和主權(quán)信用風(fēng)險之間存在正相關(guān)的關(guān)系，隨著債券市場迅猛發(fā)展，利率期限結(jié)構(gòu)對主權(quán)風(fēng)險運(yùn)行的指示器作用已逐步顯現(xiàn)，但其顯現(xiàn)的正確性依賴于良好的市場基礎(chǔ)，提取債券期限結(jié)構(gòu)中的信息是標(biāo)，完善市場基礎(chǔ)是本，市場的健全是保證債券收益率曲線穩(wěn)定性與可靠性的關(guān)鍵所在。（3）完善反映市場供求的到期收益率曲線，建立有效預(yù)警。收益率曲線可以用來預(yù)測經(jīng)濟(jì)周期和通貨膨脹率，被視為央行貨幣政策立場的指示器，中國應(yīng)借鑒西方成熟市場經(jīng)驗，發(fā)展、優(yōu)化和創(chuàng)新債券品種結(jié)構(gòu)和期限結(jié)構(gòu)，優(yōu)化收益率曲線，充分發(fā)揮信用價差對宏觀經(jīng)濟(jì)先行指示作用。建立有效的危機(jī)預(yù)警機(jī)制，對各期限利率進(jìn)行預(yù)調(diào)，在擬合收益率曲線走勢時適當(dāng)加入主權(quán)信用違約互換相關(guān)變量，這樣不僅利于實現(xiàn)對到期收益率曲線有效調(diào)控，也利于提高收益率曲線擬合效果，將價格控制在合理范圍，提高金融機(jī)構(gòu)風(fēng)險預(yù)警和管理能力。（4）開發(fā)和創(chuàng)新信用衍生產(chǎn)品，對沖債券市場的系統(tǒng)性信用風(fēng)險。隨著現(xiàn)階段中國債券市場逐步成熟，信貸風(fēng)險管理體系建設(shè)應(yīng)加快步伐，完整的制度安排和市場風(fēng)險多樣化的風(fēng)險分散分擔(dān)機(jī)制和共享系統(tǒng)應(yīng)該被提升。以市場為導(dǎo)向，推出信用衍生產(chǎn)品對沖系統(tǒng)性信用風(fēng)險，優(yōu)化并實現(xiàn)信用風(fēng)險的最優(yōu)分配，使投資者可以借助市場化方式對沖、轉(zhuǎn)移和規(guī)避信用風(fēng)險，以有效預(yù)防風(fēng)險積累和系統(tǒng)性風(fēng)險發(fā)生。

參考文獻(xiàn)：

[1] 梁朝暉，王宗勝，曹剛.非信用風(fēng)險因素對公司債信用利差的影響[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2015（11）：90-98.

[2] 李世軍，王磊.信用價差與宏觀經(jīng)濟(jì)相關(guān)性的實證研究[J].宏觀經(jīng)濟(jì)研究，2016（12）：28-35.

[3] Black F，Scholes M. The pricing of options and corporate liabilities[J].Journal of Political Economy，1973，81（3）： 637-654.

[4] Merton R C. on the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974，29：449-470.

[5] Collin Dufresne P， Goldstein R S. Do credit spreads reflect stationary leverage ratios？ [J]. Journal of Finance， 2001.56：1929-1957.

[6] Aunon-Nerin D D. Cossin T. Hricko，? Z. Huang. Exploring for the determinants of credit risk in credit default swap transaction data： is fixed-income market's information sufficient to evaluate credit risk？[R].Foundation for the Advancement of Monetary Education. 2002：65.

[7] Fama E F， French K R. Business conditions and expected returns on stocks and bonds[J]. Journal of? Finance? Economics， 1989，25：23-49.

[8] Kwan S H. Firm-specific information and the correlation between individual stocks and bonds [J]. Journal of Financial Economics， 1996（1）：63-80.

[9] Schultz? P. Corporate bond trading costs： a peek behind the curtain [J]. Journal of Finance， 2001（2）：677-698.

[10]Hull J， White A. Valuing credit default swaps： no counterparty default Risk[J]. Journal of Derivatives，2000，8（l）：29-40.

[11]Hull J， predeseu M， White A. The relationship between credit default swap spreads，bond yield credit rating announcements[J]. Journal of Banking and Finance，2004，28：2789-2811.

[12]Blanco R， Brennan S， Marsh I W. An empirical analysis of the dynamic relationship between Investment grade bonds and credit default swaps[J].Journal of Finance，2005（60）：2255-2281.

[13]Tang D Y， Yan H. Macroeconomic conditions， firm characteristics， and credit spreads[J]. Journal of Financial Services Research，2006，29（3）：177-210.

[14]Acharya V V， Bharath S T， Srinivasan A. Does indust-wide distress affect defaulted firms？ evidence from creditor recoveries [J].Journal of Financial Economics， 2007（85）：787-821.

[15]Huang， Jing-zhi， Ming Huang. How much of the corporate-treasury yield spread Is due to credit risk？[J]. Review of Asset Pricing Studies， 2012，2（2）：153-202.

[16]Okimoto T ， Takaoka S. The term structure of credit spreads and business cycle in Japan[EB/OL] AJRC（ Australia-Japan Research Centre） Working Paper 03/2016， https：//papers.ssrn.com.

[17]劉國光，王慧敏.公司債券信用價差和國債收益率動態(tài)關(guān)系研究[J].山西財經(jīng)大學(xué)學(xué)報，2005（5）：117-122.

[18]馮宗憲，郭建偉，孫克.企業(yè)債的信用價差及其動態(tài)過程研究[J].金融研究，2009（3）：54-71.

[19]李嵐，楊長志.基于面板數(shù)據(jù)的中期票據(jù)信用價差研究[J].證券市場導(dǎo)報，2010（8）：73-77.

[20]周榮喜，牛偉寧.基于SV模型的中國債券信用價差影響因素研究[J].統(tǒng)計與信息論壇，2011（12）：80-88.

[21]黃文濤.信用利差和國債收益率相關(guān)性研究——以中美兩國為例[J].債券，2012（6）：19-25.

[22]宋球紅.宏觀經(jīng)濟(jì)變量對不同信用級別企業(yè)債信用利差影響的分析[J].債券，2013（12）：35-39.

[23]王永欽，陳映輝，杜巨瀾.軟預(yù)算約束與中國地方政府債務(wù)違約風(fēng)險：來自金融市場的證據(jù)[J].經(jīng)濟(jì)研究，2016（11）：96-109.

[24]宋秀慧，林晚發(fā).宏觀環(huán)境、股票市場與企業(yè)債務(wù)成本的關(guān)系研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2016（5）：16-20.

[25]謝宇.我國中期票據(jù)信用利差變動影響因素的實證分析[J].科學(xué)決策，2013（2）：33-55.

[26]郭曄，黃振，王蘊(yùn).未預(yù)期貨幣政策與企業(yè)債券信用價差——基于固浮利差分解的研究[J].金融研究，2016（6）：67-80.

[27]王雄元，高開娟.如虎添翼抑或燕巢危幕：承銷商，大客戶與公司債發(fā)行定價[J].管理世界，2017（9）：42-59.

[28]郭瑩瑩.人民幣匯率的長短期影響因素分析——基于馬爾科夫區(qū)制轉(zhuǎn)換模型[J].國際貿(mào)易問題，2014（2）：156-166.

[29]郭瑩瑩.國內(nèi)外金融危機(jī)預(yù)警模型述評[J].科學(xué)決策，2013（10）：63-80.

[30]Collin-Dufresne P， Goldstein R S. Do credit spreads reflect stationary leverage ratios？[J].Journal of Finance，2001.56：1929-1957.

（責(zé)任編輯：鐵 青）

Correlation between Chinese Credit Spreads and Business

Cycle Based on Markov-switching Model

JIANG hong1，2， LIANG Zhaohui1， ZHAO hong2

（1.School of Economics and Management， Tianjin Polytechnic University， Tianjin 300387， China;

2.School of Textile Science and Engineering， Tianjin Polytechnic University， Tianjin 300387， China）

Abstract：This paper investigates the characteristics of Chinese credit spreads since the first actual default in 2014， using a Markov-switching model. Our analyses provide clear evidence that two regimes exist， one of a newly regime demonstrates both bigger credit spreads and larger volatility in the first half of 2014 and after 2016. Our results of correlation between credit spreads and interest rate， stock index etc. indicate that credit spread is closely related with business cycle fluctuation， and credit risk premium can be reflected gradually in Chinese bond market.

Key words：Markov; regime switching;credit spreads;business cycle

收稿日期： 2019-08-08

基金項目：? 國家自然科學(xué)基金資助項目（71371136）

作者簡介： 姜 弘（1976—），女，天津市人，天津工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，天津工業(yè)大學(xué)紡織科學(xué)與工程學(xué)院博士研究生，研究領(lǐng)域：金融統(tǒng)計。